Az ügyfelek egyre gyakrabban fordulnak a termékismertetőkhöz, hogy megalapozott döntéseket hozzanak vásárlási útjuk során, akár mindennapi cikkeket, például konyharuhát vásárolnak, akár nagyobb vásárlásról, például autóvásárlásról van szó. Ezek az értékelések alapvető információforrássá váltak, lehetővé téve a vásárlók számára, hogy hozzáférjenek más vásárlók véleményéhez és tapasztalataihoz. Ennek eredményeként a termékismertetők minden üzlet döntő fontosságú elemévé váltak, és értékes visszajelzéseket és betekintést nyújtanak a vásárlási döntések megalapozásához.
Az Amazon az egyik legnagyobb áruházzal rendelkezik, több száz millió áruval. 2022-ben 125 millió vásárló közel 1.5 milliárd véleményt és értékelést adott az Amazon boltjaihoz, így az Amazon online értékelései szilárd visszajelzési forrást jelentenek az ügyfelek számára. A havonta benyújtott termékértékelések skáláján elengedhetetlen annak ellenőrzése, hogy ezek a vélemények összhangban vannak-e a Amazon közösségi irányelvei az elfogadható nyelvezet, szavak, videók és képek tekintetében. Ezt a gyakorlatot azért alkalmazzák, hogy az ügyfelek pontos tájékoztatást kapjanak a termékről, és megakadályozzák, hogy a vélemények helytelen nyelvezetet, sértő képeket vagy bármilyen típusú gyűlöletbeszédet tartalmazzanak egyénekkel vagy közösségekkel szemben. Ezen irányelvek betartatásával az Amazon biztonságos és befogadó környezetet tud fenntartani minden ügyfele számára.
A tartalom moderálásának automatizálása lehetővé teszi az Amazon számára, hogy a nagy pontosság megőrzése mellett a folyamat méretezését. Ez egy összetett problématerület egyedi kihívásokkal, és különböző technikákat igényel szövegekhez, képekhez és videókhoz. A képek a termékértékelések lényeges összetevői, gyakran közvetlenebb hatást gyakorolnak az ügyfelekre, mint a szöveg. Val vel Amazon Rekognition tartalommoderálás, az Amazon nagyobb pontossággal képes automatikusan észlelni a káros képeket a termékismertetőkben, így csökken az emberi véleményezőkre való támaszkodás az ilyen tartalmak moderálásában. Felismerés A tartalommoderálás elősegítette a humán moderátorok jólétének javítását és jelentős költségmegtakarítást.
Moderálás saját üzemeltetésű ML modellekkel
Az Amazon Shopping csapata olyan moderációs rendszert tervezett és vezetett be, amely gépi tanulást (ML) és human-in-the-loop (HITL) felülvizsgálatot használ annak biztosítására, hogy a termékértékelések a termékkel kapcsolatos vásárlói tapasztalatokról szóljanak, és ne tartalmazzanak nem megfelelő vagy káros tartalmat a közösségi irányelveknek megfelelően. A képmoderálási alrendszer, amint azt a következő diagram is szemlélteti, több saját üzemeltetésű és saját képzésű számítógépes látásmodellt használt az Amazon irányelveit sértő képek észlelésére. A döntéskezelő határozza meg a moderálási műveletet, és az ML-modellek kimenete alapján megindokolja döntését, így dönti el, hogy a kép emberi moderátor általi további felülvizsgálatot igényel-e, vagy automatikusan jóváhagyható vagy elutasítható.
Ezekkel a saját üzemeltetésű ML-modellekkel a csapat a felülvizsgálatok részeként kapott képek 40%-ánál automatizálta a döntéseket, és az évek során folyamatosan dolgozott a megoldás fejlesztésén, miközben számos kihívással néz szembe:
- Folyamatos erőfeszítések az automatizálási arány javítására – A csapat az ML algoritmusok pontosságát kívánta javítani, az automatizálási arány növelése érdekében. Ez folyamatos befektetést igényel az adatcímkézésbe, az adattudományba és a modellek képzéséhez és telepítéséhez szükséges MLOps-okba.
- A rendszer összetettsége – Az architektúra összetettsége befektetést igényel az MLOp-kba, hogy az ML következtetési folyamat hatékonyan skálázható legyen, hogy megfeleljen a növekvő tartalombeküldési forgalomnak.
Cserélje le a saját üzemeltetésű ML-modelleket a Rekognition Content Moderation API-val
Amazon felismerés egy menedzselt mesterséges intelligencia (AI) szolgáltatás, amely előre betanított modelleket kínál egy API felületen keresztül kép és videó moderálás. Széles körben alkalmazzák az olyan iparágak, mint az e-kereskedelem, a közösségi média, a játékok, az online társkereső alkalmazások és mások a felhasználók által generált tartalom moderálására. Ez számos tartalomtípust foglal magában, például termékismertetőket, felhasználói profilokat és a közösségi médiában megjelenő bejegyzések moderálását.
A Rekognition Content Moderation automatizálja és egyszerűsíti a kép- és videómoderálási munkafolyamatokat anélkül, hogy ML-es tapasztalatra lenne szükség. Az Amazon Rekognition ügyfelei több millió képet és videót dolgozhatnak fel, hatékonyan észlelve a nem megfelelő vagy nemkívánatos tartalmakat a teljesen felügyelt API-kkal és testreszabható moderációs szabályokkal, amelyek biztosítják a felhasználók biztonságát és az üzleti előírásokat.
A csapat sikeresen áttelepítette a meztelenség és a munkára nem biztonságos (NSFW) tartalomészlelési képmoderálási rendszerben az ön menedzselt ML-modellek egy részét az Amazon Rekognition Detect Moderation API-ba, kihasználva a rendkívül pontos és átfogó, előre betanított moderációs modelleket. . Az Amazon Rekognition nagy pontosságának köszönhetően a csapat több döntést automatizált, költséget takarított meg, és egyszerűsítette rendszerarchitektúráját.
Továbbfejlesztett pontosság és kibővített moderációs kategóriák
A végrehajtás a Amazon Rekognition képmoderációs API nagyobb pontosságot eredményezett a nem megfelelő tartalom észlelésében. Ez azt jelenti, hogy évente további hozzávetőlegesen 1 millió kép kerül automatikusan moderálásra anélkül, hogy emberi felülvizsgálatra lenne szükség.
Működési kiválóság
Az Amazon Shopping csapatának sikerült leegyszerűsítenie a rendszer architektúráját, csökkentve a rendszer kezeléséhez és karbantartásához szükséges operatív erőfeszítéseket. Ezzel a megközelítéssel évente több hónapos DevOps erőfeszítést takarítottak meg, ami azt jelenti, hogy idejüket innovatív funkciók fejlesztésére fordíthatják, ahelyett, hogy üzemeltetési feladatokra költenék.
Költségcsökkentés
A Rekognition Content Moderation nagy pontossága lehetővé tette a csapat számára, hogy kevesebb képet küldjön emberi ellenőrzésre, beleértve az esetlegesen nem megfelelő tartalmat is. Ez csökkentette az emberi moderálás költségeit, és lehetővé tette a moderátorok számára, hogy nagyobb értékű üzleti feladatokra összpontosítsák erőfeszítéseiket. A DevOps hatékonyságnövekedésével együtt az Amazon Shopping csapata jelentős költségmegtakarítást ért el.
Következtetés
A saját üzemeltetésű ML-modellekről az Amazon Rekognition Moderation API-ra való áttérés a termékértékelés moderálásához számos előnnyel járhat a vállalkozások számára, beleértve a jelentős költségmegtakarítást is. A moderálási folyamat automatizálásával az online áruházak gyorsan és pontosan moderálhatnak nagy mennyiségű termékértékelést, javítva a vásárlói élményt azáltal, hogy biztosítják a nem megfelelő vagy spam tartalmak gyors eltávolítását. Ezenkívül egy olyan felügyelt szolgáltatás használatával, mint az Amazon Rekognition Moderation API, a vállalatok csökkenthetik a saját modelljeik fejlesztéséhez és karbantartásához szükséges időt és erőforrásokat, ami különösen a korlátozott technikai erőforrásokkal rendelkező vállalkozások számára lehet hasznos. Az API rugalmassága azt is lehetővé teszi az online áruházak számára, hogy saját igényeiknek megfelelően testreszabják moderálási szabályaikat és küszöbeiket.
Tudjon meg többet tartalommoderálás az AWS-en és a mi tartalommoderálás ML használati esetek. Tedd meg az első lépést felé a tartalommoderálási műveletek egyszerűsítése az AWS segítségével.
A szerzőkről
Shipra Kanoria az AWS fő termékmenedzsere. Szenvedélyesen törekszik arra, hogy a gépi tanulás és a mesterséges intelligencia segítségével segítse ügyfeleit legbonyolultabb problémáik megoldásában. Mielőtt csatlakozott volna az AWS-hez, Shipra több mint 4 évet töltött az Amazon Alexánál, ahol számos, a termelékenységgel kapcsolatos funkciót bevezetett az Alexa hangasszisztensen.
Luca Agostino Rubino az Amazon Shopping csapatának vezető szoftvermérnöke. Olyan közösségi funkciókon dolgozik, mint az Ügyfélvélemények és a Kérdések és válaszok, az évek során a tartalom moderálására, valamint a gépi tanulási megoldások skálázására és automatizálására összpontosítva.
Lana Zhang az AWS WWSO AI Services csapatának vezető megoldástervezője, a tartalom-moderálás, a számítógépes látás, a természetes nyelvi feldolgozás és a generatív mesterségesintelligencia AI-ra és ML-re szakosodott. Szakértelmével elkötelezte magát az AWS AI/ML megoldások népszerűsítésében és abban, hogy segítse ügyfeleit üzleti megoldásaik átalakításában a különböző iparágakban, beleértve a közösségi médiát, a játékokat, az e-kereskedelmet, a médiát, a reklámozást és a marketinget.
- SEO által támogatott tartalom és PR terjesztés. Erősödjön még ma.
- PlatoData.Network Vertical Generative Ai. Erősítse meg magát. Hozzáférés itt.
- PlatoAiStream. Web3 Intelligence. Felerősített tudás. Hozzáférés itt.
- PlatoESG. Autóipar / elektromos járművek, Carbon, CleanTech, Energia, Környezet, Nap, Hulladékgazdálkodás. Hozzáférés itt.
- PlatoHealth. Biotechnológiai és klinikai vizsgálatok intelligencia. Hozzáférés itt.
- ChartPrime. Emelje fel kereskedési játékát a ChartPrime segítségével. Hozzáférés itt.
- BlockOffsets. A környezetvédelmi ellentételezési tulajdon korszerűsítése. Hozzáférés itt.
- Forrás: https://aws.amazon.com/blogs/machine-learning/how-amazon-shopping-uses-amazon-rekognition-content-moderation-to-review-harmful-images-in-product-reviews/
- :van
- :is
- :nem
- :ahol
- 1
- 100
- 125
- 2022
- 7
- 700
- a
- Képes
- Rólunk
- elfogadható
- hozzáférés
- pontosság
- pontos
- pontosan
- Elérése
- elért
- át
- Akció
- További
- Ezen kívül
- fogadott
- Előny
- Hirdetés
- AI
- AI szolgáltatások
- AI / ML
- Célzás
- Alexa
- algoritmusok
- összehangolása
- Minden termék
- kioszt
- megengedett
- lehetővé teszi, hogy
- Is
- amazon
- Amazon felismerés
- Az Amazon Web Services
- an
- és a
- bármilyen
- api
- API-k
- megközelítés
- jóváhagyott
- hozzávetőleges
- alkalmazások
- építészet
- VANNAK
- mesterséges
- mesterséges intelligencia
- Mesterséges intelligencia (AI)
- AS
- megjelenés
- Helyettes
- segítő
- társult
- At
- automatizált
- automaták
- automatikusan
- automatizálás
- Automatizálás
- elérhető
- AWS
- alapján
- BE
- válik
- óta
- előtt
- Előnyök
- Billió
- üzleti
- vállalkozások
- Vásárlás
- by
- TUD
- autó
- esetek
- kihívások
- kombinált
- Közösségek
- közösség
- Companies
- bonyolult
- bonyolultság
- engedékeny
- összetevő
- átfogó
- számítógép
- Számítógépes látás
- kötőszó
- tartalmaz
- tartalom
- Tartalomtípusok
- folyamatos
- folyamatosan
- hozzájárultak
- Költség
- költségmegtakarítás
- kiadások
- tudott
- kritikus
- vevő
- Vásárlói élmény
- Ügyfelek
- szabható
- testre
- dátum
- adat-tudomány
- Ismerkedés
- Döntés
- döntés
- határozatok
- elszánt
- bevetés
- tervezett
- kívánatos
- kimutatására
- Érzékelés
- meghatározza
- Fejleszt
- fejlesztése
- különböző
- számos
- ne
- e-commerce
- e-kereskedelem
- hatékonyság
- eredményesen
- erőfeszítés
- erőfeszítések
- engedélyezve
- lehetővé téve
- érvényesítése
- mérnök
- biztosítására
- biztosítása
- Környezet
- különösen
- alapvető
- Minden
- mindennapi
- kiterjesztett
- tapasztalat
- Tapasztalatok
- szakvélemény
- néző
- Jellemzők
- Visszacsatolás
- kevesebb
- vezetéknév
- megfelelő
- Rugalmasság
- Összpontosít
- összpontosítás
- következő
- A
- ból ből
- teljesen
- további
- Nyereség
- szerencsejáték
- nemző
- Generatív AI
- Növekvő
- garancia
- irányelvek
- káros
- Legyen
- he
- segít
- segített
- segít
- neki
- Magas
- <p></p>
- nagyon
- Hogyan
- HTML
- HTTPS
- emberi
- Több száz
- több száz millió
- kép
- képek
- azonnali
- Hatás
- végrehajtás
- végre
- javul
- javuló
- in
- magában foglalja a
- Beleértve
- befogadó
- Növelje
- egyre inkább
- egyének
- iparágak
- tájékoztat
- információ
- tájékoztatták
- újító
- meglátások
- helyette
- Intelligencia
- Felület
- bele
- Beruházások
- IT
- tételek
- ITS
- csatlakozott
- utazás
- jpg
- Tart
- tartás
- címkézés
- nyelv
- nagy
- legnagyobb
- indított
- tanulás
- mint
- Korlátozott
- gép
- gépi tanulás
- fenntartása
- fontos
- csinál
- Gyártás
- kezelése
- sikerült
- menedzser
- sok
- Marketing
- eszközök
- Média
- Találkozik
- vándoroltak
- millió
- Több millió
- ML
- MLOps
- modellek
- mérséklet
- Hónap
- hónap
- több
- a legtöbb
- többszörös
- Természetes
- Természetes nyelvi feldolgozás
- közel
- Szükség
- szükséges
- igények
- Most
- NSFW
- of
- támadó
- felajánlás
- Ajánlatok
- gyakran
- on
- ONE
- online
- operatív
- Művelet
- Vélemények
- or
- Más
- Egyéb
- mi
- teljesítmény
- felett
- átfogó
- saját
- rész
- szenvedélyes
- mert
- Hely
- Plató
- Platón adatintelligencia
- PlatoData
- állás
- potenciálisan
- hatalom
- gyakorlat
- megakadályozása
- Fő
- Probléma
- problémák
- folyamat
- feldolgozás
- Termékek
- termék menedzser
- termék vélemények
- Profilok
- támogatása
- ad
- biztosít
- amely
- Vásárlás
- vásárlások
- beszerzési
- gyorsan
- hatótávolság
- Arány
- értékelés
- miatt
- kap
- kapott
- csökkenteni
- Csökkent
- csökkentő
- tekintettel
- bizalom
- eltávolított
- kötelező
- megköveteli,
- Tudástár
- eredményez
- Kritika
- Vélemények
- szabályok
- biztonságos
- Megtakarítás
- Megtakarítás
- Skála
- Mérleg
- skálázás
- Tudomány
- küld
- idősebb
- szolgáltatás
- Szolgáltatások
- számos
- ő
- Bevásárlás
- jelentős
- egyszerűsítése
- Közösség
- Közösségi média
- szoftver
- Software Engineer
- szilárd
- megoldások
- Megoldások
- SOLVE
- forrás
- Hely
- spam
- szakosodott
- különleges
- beszéd
- Költési
- költött
- kezdődött
- Lépés
- tárolni
- árnyékolók
- benyújtása
- benyújtott
- sikeresen
- ilyen
- rendszer
- Vesz
- bevétel
- feladatok
- csapat
- Műszaki
- technikák
- mint
- hogy
- A
- azok
- Őket
- ezáltal
- Ezek
- ők
- ezt
- Keresztül
- idő
- nak nek
- felé
- forgalom
- Képzések
- át
- transzformáló
- Turning
- típus
- típusok
- egyedi
- felesleges
- használ
- használó
- Felhasználók
- használ
- segítségével
- hasznosított
- Értékes
- ellenőrzése
- videó
- Videók
- látomás
- Hang
- kötetek
- volt
- háló
- webes szolgáltatások
- vajon
- ami
- míg
- széles körben
- lesz
- val vel
- nélkül
- szavak
- Munka
- dolgozott
- munkafolyamatok
- művek
- év
- év
- A te
- zephyrnet